紫光展锐M6780丨超分辨率技术——画质重构还原经典

上一期,我们揭秘了让画质更加炫彩的AI-PQ技术。面对分辨率较低的老电影,光有高饱和度的色彩是不够的,如何能够提高视频影像的分辨率,使画质更加清晰,实现老片新看?

本期带大家揭晓紫光展锐首颗AI+8K超高清智能显示芯片平台M6780的第二项隐藏技能------AI-SR超分辨率技术。

在图像、视频的显示过程中,视频源的输入尺寸取决于视频资源的实际尺寸,如果视频资源较为老旧,其分辨率普遍低于播放设备的显示分辨率,例如在8K电视(7680×4320)的应用场景中,会出现部分特殊片源甚至为SD标清格式(640×480)的情况。同时,视频资源的尺寸往往不一,而播放设备的显示分辨率相对固定,为了适配这种差异,需要动态地将输入图像的尺寸调整为与显示设备相同的固定尺寸。

为了解决上述问题,图像放大算法(也称之为超分辨率,即Super Resolution, 简称S-R)因此而产生。这是一种为了解决原始图像尺寸小于目标图像尺寸,而将原始图像尺寸进行放大的图像处理方法。为了兼顾算法效果和实现难度,目前图形处理领域使用最广的是双三次插值算法。

与传统方法不同,AI-SR(AI-超分)技术是一种基于卷积神经网络实现的图像超分方法。AI-SR神经网络模型通过深度学习的数百万次训练,模拟视频创作者对画面内容的理解,并通过全面分析画面细节信息,适当补充视频放大所需的细节纹理,从而实现将低分辨率画面还原为细致的高清图像。相比传统的缩放算法,它不仅避免了模糊和锯齿等问题,而且在大屏场景下表现更佳,能够向用户呈现更多画面细节。

例如,在计算未知像素的数值时,bicubic插值仅参考周围16个邻临像素的图像信息,而采用卷积神经网络实现的AI-SR网络可以分析数百个邻域像素组成的感受野(Receptual Field)区域的图像信息,因此后者在还原高分图像的像素值时具有明显优势。具体表现在图像的插值效果上:AI-SR可以降低双三次插值方式导致的图像锯齿、模糊等明显的图像缺陷,能够得到图像质量远超双三次插值的高分图像。

搭载具有AI-SR技术SoC芯片的显示产品,将呈现更好的画面细节和显示质量,采用AI-SR技术实现图像、视频的超分辨率,使得视频画面在放大之后,依然具有清晰连贯的线条以及丰富的细节表现,为用户带来超高清的视觉体验。

紫光展锐携首款8K超高清智能显示芯片平台M6780中集成了具有上述技术能力的AI-SR功能,可以实现支持8K的显示分辨率,其AI-SR的放大能力最高可达12倍,最高等效算力可达20 Tops,为电视、投影以及商业显示等领域的用户提供更好的画质,以及更优的观看体验。

由于芯片中的AI-SR功能为纯硬件IP方案,且无需额外的CPU、GPU或NPU算力,在视频播放时能不间断地为显示端提供超高清的视频画面。最终经AI-SR处理的画面内容可以做到0.1 ms以下的输出延时,足以保证视频画面的实时性和流畅性。

作为世界领先的平台型芯片设计企业,紫光展锐坚持以技术创新为核心,全力提升产品、技术能力,强化公司核心竞争力,推动公司跨越式发展,为产业和社会创造价值,用科技之光照亮幸福生活。

注:文中demo图像均为紫光展锐已获得版权的内容。

相关推荐
有Li2 分钟前
CLIK-Diffusion:用于牙齿矫正的临床知识感知扩散模型|文献速递-深度学习人工智能医疗图像
人工智能·深度学习·文献·医学生
大唐荣华16 分钟前
视觉语言模型(VLA)分类方法体系
人工智能·分类·机器人·具身智能
即兴小索奇17 分钟前
AI应用商业化加速落地 2025智能体爆发与端侧创新成增长引擎
人工智能·搜索引擎·ai·商业·ai商业洞察·即兴小索奇
NeilNiu30 分钟前
开源AI工具Midscene.js
javascript·人工智能·开源
nju_spy1 小时前
机器学习 - Kaggle项目实践(4)Toxic Comment Classification Challenge 垃圾评论分类问题
人工智能·深度学习·自然语言处理·tf-idf·南京大学·glove词嵌入·双头gru
计算机sci论文精选1 小时前
CVPR 2025 | 具身智能 | HOLODECK:一句话召唤3D世界,智能体的“元宇宙练功房”来了
人工智能·深度学习·机器学习·计算机视觉·机器人·cvpr·具身智能
ezl1fe1 小时前
RAG 每日一技(十八):手写SQL-RAG太累?LangChain的SQL智能体(Agent)前来救驾!
数据库·人工智能·后端
我星期八休息1 小时前
大模型 + 垂直场景:搜索/推荐/营销/客服领域开发新范式与技术实践
大数据·人工智能·python
飞哥数智坊1 小时前
等了这么久,企业微信的AI终于来了!
人工智能
Christo31 小时前
SIGKDD-2023《Complementary Classifier Induced Partial Label Learning》
人工智能·深度学习·机器学习